某型步战车传动装置润滑系统性能预测方法的研究

来源:用户上传      作者:

　　摘 要
　　设备性能衰退是一个单调的过程，具有因其自身的寿命周期导致性能逐渐下降和状态恶化具有突变性的特点。以某型步战车综合传动装置为研究对象。介绍了灰色预测模型和马尔可夫模型的概念。使用马尔可夫特性对灰色GM（1，1） 预测模型的残差进行状态划分，确定其状态转移矩阵，建立灰色马尔可夫模型。对综合传动装置的润滑系统温度信号进行采样测量值，对其进行预测，结果灰色马尔科夫模型预测结果好于的灰色GM（1，1）模型。随着润滑系统工作时间的增长，相对误差发生状态转移的趋势愈加稳定，预测的精度将进一步提升，对设备能预测以及维修保养工作一定的价值。
　　关键词
　　综合传动装置;润滑系统;灰色预测模型;马尔可夫预测模型
　　中图分类号： TM315                     文献标识码： A
　　DOI：10.19694/j.cnki.issn2095-2457 . 2020 . 08 . 16
　　Abstract
　　The degradation of equipment performance is a monotonous process， which has the characteristics of gradual decline in performance and deterioration in condition due to its own life cycle. Take a certain type of chariot integrated transmission as the research object. The concepts of grey prediction model and Markov model are introduced. The Markov characteristic is used to divide the residuals of the gray GM（1，1） prediction model into states， determine its state transition matrix， and establish a gray Markov model. Sampling and measuring the temperature signal of the lubricating system of the integrated transmission device and predicting it， the results of the gray Markov model are better than the gray GM（1，1） model. With the increase of the working time of the lubrication system， the trend of the relative error occurrence state transition becomes more stable， the accuracy of the prediction will be further improved， and the equipment can predict and maintain a certain value.
　　Key words
　　Comprehensive transmission; Lubrication system; Grey prediction model; Markov prediction model
　　0 前言
　　綜合传动装置是集液力、液压、行星传动等多项传感技术于一身的复杂的电液系统[1]。其正常工作与否决定了战车的战斗效能， 但是其组成复杂，故障工况下难以进行确定故障部位。因此对其进行状态监测并且对未来工作状态进行预测，提前了解各部件的工作状态演化趋势，是实现由“事后诊断维修”向“事前预测维护”转变的一个重要途径。
　　研究灰色马尔可夫模型在趋势预测领域有着重要的意义，其在诸多领域都得到了广泛的应用。王泽鹏等人[2]采用灰色马尔可夫模型对矿山机电设备的性能趋势进行了有效的预测。刘永阔等[3]，张黎明等[4]针对核电设备的灰色性质，结合马尔可夫理论实现了对关键运行参数趋势变化的准确预测。
　　灰色模型可以处理“小样本”、“贫信息”、“不确定性”的问题，能够在较长的时间范围内对系统的工作状态进行预测，得出相应变化趋势;用马尔可夫模型来确定各个工作状态之间的转移，建立灰色马尔可夫预测模型，提高系统对异常的预警能力，提高故障时的维修效率，以某型战车传动装置的润滑系统温度信号进行预测，验证算法的可靠性。
　　1 灰色预测方法
　　邓聚龙教授创立的灰色系统理论，是一种研究少数据，贫信息不确定性问题的新方法。灰色系统理论以“部分信息已知， 部分信息未知”的“小样本”，“贫信息”不确定性系统为研究对象，主要通过对“部分”已知信息的生成，开发，提取有价值的信息，实现对系统运行行为，演化规律的正确描述和有效监控，灰色系统是按颜色命名的[5]。
　　4.3 结果对比分析
　　通过MATLAB计算得出GM（1，1）法与灰色马尔可夫模型的预测曲线，图2为润滑系统温度预测对比曲线。如表1中所示，灰色马尔科夫预测方法在综合传动装置润滑系统温度预测模型中，在相对误差状态空间划分上，随着润滑系统工作时间的增长，相对误差发生状态转移的趋势愈加稳定，预测的精度将进一步提升。因此，本文提出的方法更能满足综合传动装置润滑系统性能预测要求，在实际应用中应用效果更加显著。
　　5 结语
　　提出一种传动装置的润滑系统温度预测方法，运用马尔可夫模型对GM（1，1）预测模型的残差进行状态划分，满足对象的预测要求，对比GM（1，1）预测方法精度更高，且随着测量数据不断地增加，其预测精度将不断提升，对综合传动装置的润滑系统性能预测，实现故障预警以及维修保养方面一定的价值。
　　参考文献
　　[1]闫清东，张连第，赵毓芹，等.坦克构造与设计：上册[M].北京：北京理工大学出版社，2006：160-176.
　　[2]王泽鹏，吴广安.基于灰色马尔可夫的矿山机电设备故障趋势预测分析[D].《内蒙古煤炭经济》，2018.
　　[3]刘永阔，谢春丽，于竹君，凌霜寒.基于GM（1，1）模型与灰色马尔可夫GM（1，1）模型的核动力装置趋势预测方法研究[D].原子能科学技术，2011.
　　[4]张黎明，赵新文，蔡琦，武光江.基于灰色马尔可夫链的核设备退化趋势预测[D].原子能科学技术，2010.
　　[5]刘思峰.灰色系统理论的产生、发展及前沿动态.2003年中国管理科学学术会议，2003.
　　[6]张伟星.基于粒子群优化算法的动态多目标优化算法研究及应用[D].郑州：郑州大学，2013.
　　[7]Shi.Y.&Eberhart.R.Empirical Study of Particle Swam Optimization[C].In：Proceedings of the 1999 Congress on Evolutiom Computation， Pi Scataway，NJ： IEEE Service Center，1999：1948-1950.
转载注明来源:https://www.xzbu.com/8/view-15205681.htm